JPH11250085A

JPH11250085A - 事象推移予測方法および事象推移予測プログラムを記録した記録媒体

Info

Publication number: JPH11250085A
Application number: JP10049851A
Authority: JP
Inventors: Hiroshi Sato; 浩史佐藤; Kaname Kasahara; 要笠原; Kazumitsu Matsuzawa; 和光松澤
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1998-03-02
Filing date: 1998-03-02
Publication date: 1999-09-17

Abstract

(57)【要約】【課題】自然言語テキストに内在する事象間の因果知
識を自動的に獲得して事象間の推移予測を適確に行い得
る事象推移予測方法および事象推移予測プログラムを記
録した記録媒体を提供する。【解決手段】格フレーム１，２…からなるノード、因
果関係を有するノード同士を繋ぐアーク１-2，１−3
…、該アークで繋がれたノード間の因果関係の形態と度
合を表すラベル１-2，１-3…から因果知識グラフを構築
し、指定された格フレームに対するノードを因果知識グ
ラフから検索し、この検索したノードとアークを介して
接続される各ノードを列挙し、この列挙したノードの各
々と前記検索したノードとをそれぞれ接続する各アーク
のラベルに基づいて前記指定されたノードに対して常識
的に次に起こり得るノードを出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力された事象に
対して次に起こる可能性のある事象を予測する事象推移
予測方法に関し、更に詳しくは、用言を中心に他の単語
との対応関係を整理した格フレームを事象の集合と見な
し、該格フレーム集合中の任意の指定された格フレーム
に対して常識的に次に起こり得る格フレームを予測する
事象推移予測方法および事象推移予測プログラムを記録
した記録媒体に関する。なお、本事象推移予測方法は事
象推移予測に使用する知識データベースの構築法、表現
法に有効である。

【０００２】

【従来の技術】自然界および人間社会において何らかの
手段によって観測される事柄や現象（これらを「事象」
と呼ぶ）には、他の事象が観測された時に引き続いて発
生するものがある。このような事象の推移は、時間的・
空間的に偶然起こる場合があるが、自然法則に基づいて
常に起こる推移や、自然現象では説明できないが高い頻
度で起こる推移が見られる。後者のような事象の推移に
対して人間は、元となる事象を原因、引き続いて起こる
事象を結果とした因果関係と捉えて知識とし、新しく発
生した事象に対し次に起こるであろう事象の予測に利用
していると考えられる。例えば、「冬になって温度が下
がる」という事象が起こった場合に、たびたび「風邪を
ひく人が多い」という事象が起こることを知っている人
は、冬になった時には、普通よりも風邪をひきやすくな
ると予測し風邪をひかないような対策を取ることができ
る。

【０００３】人間が行うような上記の事象の予測の一部
については、計算機を用いて人間が保有する因果知識を
知識ベースとして蓄積し、それを用いて予測することが
行われている。例えば、エキスパートシステムでは、事
象の領域を限定し、その領域についての専門家からの聞
き取りによって因果知識をデータベース化する。そし
て、患者の症状と病名の知識ベースを用いて、新たな患
者の病状から病名を判断したり、発電所における故障の
状態とその場合の関係する部品の状態に関する知識ベー
スから、発電所の故障診断を行ったりする。これらの知
識ベースの構築は各専門分野ごとに構築され、その知識
源は主にその分野の専門家の経験であり、直接手入力ま
たは日々の経験の半自動的記録により蓄えられている。

【０００４】また、エキスパートシステムのような専門
的で限られた領域の事象を対象とするのでなく、ＣＹＣ
（D.B.Renato,R.V.Guha and so ou,Cyc:Toward Program
s with Common Sence,Communication of the ACM,vol.3
3,No.8（1990）参照）のような人が共通して保有する大
規模な常識知識データベースを構築し、常識的な事象の
推移予測を行おうとする試みが見られる。しかし、これ
らの構築手段は、常識知識が膨大でかつ広範囲に及ぶた
め、多数の人手・経費と長い歳月が必要になるという問
題点がある。

【０００５】近年、電子的な記憶媒体の規模が大きくな
り低価格となったため、新聞記事や辞書などの膨大な自
然言語テキストが電子化され蓄積されるようになってい
る。また、インターネットにおけるＷＷＷでは、膨大な
テキストが蓄積されている。これらのテキストを利用
し、文法的な知識を自動獲得することが行われている。
自然言語テキスト中には事象およびその因果知識も含ま
れているが、常識的な因果の推移予測を行うために文書
が表す事象を判定し、それらの事象間の因果を自動的に
獲得するような方法は、事象および因果が定式化されて
いないために確立されていない。また、自然言語テキス
トのすべての文に事象および因果が含まれているわけで
ないので、常識のような多数の因果知識を獲得するため
には、非常に膨大な自然言語テキストを収集する必要が
ある。

【０００６】

【発明が解決しようとする課題】上述したように、事象
間の因果を知識ベースとし、この知識ベースを用いて行
う従来の事象の推移予測では、知識ベースの作成が主と
して人手によって行われているため、膨大な時間と労力
がかかり、非効率的であるという問題がある。

【０００７】また、膨大な自然言語テキストは常識的な
因果知識源と考えられるが、常識的な事象および因果が
定式化されていないため、常識的事象に対する予測、判
断を行うシステムも確立していないという問題がある。

【０００８】本発明は、上記に鑑みてなされたもので、
その目的とするところは、自然言語テキストに内在する
事象間の因果知識を自動的に獲得して事象間の推移予測
を適確に行い得る事象推移予測方法および事象推移予測
プログラムを記録した記録媒体を提供することにある。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の本発明は、用言を中心に他の単語と
の対応関係を整理した格フレームを事象の集合と見な
し、該格フレーム集合中の任意の指定された格フレーム
に対して常識的に次に起こり得る格フレームを予測する
事象推移予測方法であって、前記格フレームからなるノ
ードと、因果関係を有するノード同士を繋ぐアークと、
該アークで繋がれたノード間の因果関係の形態と度合を
表すラベルとからなる因果知識グラフを構築し、指定さ
れた格フレームに対するノードを前記因果知識グラフか
ら検索し、この検索したノードとアークを介して接続さ
れる各ノードを列挙し、この列挙したノードの各々と前
記検索したノードとをそれぞれ接続する各アークのラベ
ルに基づいて前記指定されたノードに対して常識的に次
に起こり得るノードを出力することを要旨とする。

【００１０】請求項１記載の本発明にあっては、格フレ
ームからなるノードと、因果関係を有するノード同士を
繋ぐアークと、該アークで繋がれたノード間の因果関係
の形態と度合を表すラベルとから因果知識グラフを構築
し、指定された格フレームに対するノードを因果知識グ
ラフから検索し、この検索したノードとアークを介して
接続される各ノードを列挙し、この列挙したノードの各
々と前記検索したノードとをそれぞれ接続する各アーク
のラベルに基づいて前記指定されたノードに対して常識
的に次に起こり得るノードを出力するため、事象および
因果が定式化した因果知識グラフを構築でき、人が行う
ような常識的な事象の推移予測を適確に行うことができ
る。

【００１１】また、請求項２記載の本発明は、請求項１
記載の発明において、前記因果知識グラフを自然言語テ
キストから構築するために、該自然言語テキストを文に
分割し、この分割された文の各々を構成する複数の格フ
レームを判定し、この判定された複数の格フレーム間の
構文的な接続関係を判定し、この接続関係に基づいて該
複数の格フレームに対応する因果知識グラフ中のノード
間のアークと因果関係の形態を獲得し、同一因果関係が
複数得られた場合の出現頻度および該文中の用言を修飾
する修飾辞から該ノード間の因果関係の度合を獲得する
ことを要旨とする。

【００１２】請求項２記載の本発明にあっては、自然言
語テキストを文に分割し、この文の各々を構成する複数
の格フレームを判定し、この複数の格フレーム間の構文
的な接続関係を判定し、この接続関係に基づいて複数の
格フレームに対応する因果知識グラフ中のノード間のア
ークと因果関係の形態を獲得し、同一因果関係が複数得
られた場合の出現頻度および該文中の用言を修飾する修
飾辞から該ノード間の因果関係の度合を獲得することに
より自然言語テキストから因果知識グラフを構築するこ
とができるため、様々な分野に存在する自然言語テキス
トから因果知識グラフを容易に構築することができる。

【００１３】更に、請求項３記載の本発明は、請求項１
記載の発明において、任意の自然言語文を事象とし、該
自然言語文を適合する格フレームに変換し、この格フレ
ームに対するノードを前記因果知識グラフから検索し、
この検索したノードとアークを介して接続されるノード
の各々と前記検索したノードとをそれぞれ接続する各ア
ークのラベルに基づいて前記格フレームに対して常識的
に次に起こり得る格フレームを検出することを要旨とす
る。

【００１４】請求項３記載の本発明にあっては、任意の
自然言語文を事象とし、該自然言語文を適合する格フレ
ームに変換し、この格フレームに対するノードを因果知
識グラフから検索し、該因果知識グラフから前記格フレ
ームに対して常識的に次に起こり得る格フレームを検出
するため、推移の原因となる事象を自然言語文で容易に
入力できる。

【００１５】請求項４記載の本発明は、用言を中心に他
の単語との対応関係を整理した格フレームを事象の集合
と見なし、該格フレーム集合中の任意の指定された格フ
レームに対して常識的に次に起こり得る格フレームを予
測する事象推移予測プログラムを記録した記録媒体であ
って、前記格フレームからなるノードと、因果関係を有
するノード同士を繋ぐアークと、該アークで繋がれたノ
ード間の因果関係の形態と度合を表すラベルとからなる
因果知識グラフを構築し、指定された格フレームに対す
るノードを前記因果知識グラフから検索し、この検索し
たノードとアークを介して接続される各ノードを列挙
し、この列挙したノードの各々と前記検索したノードと
をそれぞれ接続する各アークのラベルに基づいて前記指
定されたノードに対して常識的に次に起こり得るノード
を出力する事象推移予測プログラムを記録媒体に記録す
ることを要旨とする。

【００１６】請求項４記載の本発明にあっては、格フレ
ームからなるノードと、因果関係を有するノード同士を
繋ぐアークと、該アークで繋がれたノード間の因果関係
の形態と度合を表すラベルとから因果知識グラフを構築
し、指定された格フレームに対するノードを因果知識グ
ラフから検索し、この検索したノードとアークを介して
接続される各ノードを列挙し、この列挙したノードの各
々と前記検索したノードとをそれぞれ接続する各アーク
のラベルに基づいて前記指定されたノードに対して常識
的に次に起こり得るノードを出力する事象推移予測プロ
グラムを記録媒体に記録するため、該記録媒体を用い
て、その流通性を高めることができる。

【００１７】また、請求項５記載の本発明は、請求項４
記載の発明において、前記因果知識グラフを自然言語テ
キストから構築するために、該自然言語テキストを文に
分割し、この分割された文の各々を構成する複数の格フ
レームを判定し、この判定された複数の格フレーム間の
構文的な接続関係を判定し、この接続関係に基づいて該
複数の格フレームに対応する因果知識グラフ中のノード
間のアークと因果関係の形態を獲得し、同一因果関係が
複数得られた場合の出現頻度および該文中の用言を修飾
する修飾辞から該ノード間の因果関係の度合を獲得する
事象推移予測プログラムを記録媒体に記録することを要
旨とする。

【００１８】請求項５記載の本発明にあっては、自然言
語テキストを文に分割し、この文の各々を構成する複数
の格フレームを判定し、この複数の格フレーム間の構文
的な接続関係を判定し、この接続関係に基づいて複数の
格フレームに対応する因果知識グラフ中のノード間のア
ークと因果関係の形態を獲得し、同一因果関係が複数得
られた場合の出現頻度および該文中の用言を修飾する修
飾辞から該ノード間の因果関係の度合を獲得することに
より自然言語テキストから因果知識グラフを構築する事
象推移予測プログラムを記録媒体に記録しているため、
該記録媒体を用いて、その流通性を高めることができ
る。

【００１９】

【発明の実施の形態】以下、図面を用いて本発明の実施
の形態について説明する。

【００２０】図１は、本発明の第１の実施形態に係る事
象推移予測方法に使用される因果知識グラフを部分的に
示す説明図である。同図に示す因果知識グラフの形式
は、自然言語テキストから自動テキストに獲得可能にす
ることを考慮し、論理的に詳細な因果知識の認識を求め
ていない。すなわち、「夏は暑い」という知識を「夏は
地球の自転軸の傾きの影響で太陽高度が高く、日差しが
強くなるので暑い」のように詳細に認識する必要なく機
能するように事象を単純な形式である自然言語処理で用
いる格フレーム、すなわち用言を中心に他の単語との対
応関係を整理した格フレームを用いて記述している。

【００２１】すなわち、図１に示す因果知識グラフで
は、上述した格フレームを事象の単位であるノードと
し、常識的に推移すると考えられる因果のノード同士を
アークで結び付け、この結び付きの度合と形態をラベル
として記述して、因果知識グラフを構築している。具体
的には、図１において、格フレーム１はラベル１-2の付
与されたアーク１-2を介して格フレーム２に接続され、
この格フレーム２はラベル２-3の付与されたアーク２-3
を介して格フレーム３に接続され、この格フレーム３は
ラベル１-3の付与されたアーク１-3を介して格フレーム
１に接続されている。また、この格フレーム１はラベル
１-nに付与されたアーク１-nを介して格フレームｎに接
続されている。

【００２２】そして、このように構築された因果知識グ
ラフにおいて、ユーザによって任意の１つの格フレーム
が指定された場合、この格フレームに対応するノードを
因果知識グラフから検索し、このノードに対してアーク
で接続されているノードを複数列挙する。この列挙され
た複数のノードに対して付与されているラベルに記述さ
れている度合と接続関係に基づいてユーザが指定した格
フレームの事象に対して常識的に推移する事象の格フレ
ームを因果知識グラフの中のノードから選択する。

【００２３】図２は、図１に示す因果知識グラフを更に
具体的に示しているものである。図２において、例えば
「（主体）は（体の一部）が痛む」という格フレーム１
は、ラベル１-3の付与されたアーク１-3を介して「（主
体）は（病院）に行く」という格フレーム３に接続さ
れ、この格フレーム３はラベル３-4の付与されたアーク
３-4を介して「（主体）は（検査）を受ける」という格
フレーム４に接続されているというように因果知識グラ
フが構築されている。

【００２４】上述したように、本実施形態において、因
果知識グラフを構成するノードは格フレームである。こ
れは自然言語において動詞や形容詞などの用言に着目
し、単文に含まれる用言が文を構成する用言以外の単語
とどのように関係しているかを整理したものである。

【００２５】例えば、「私は大学病院に行く」といった
文の用言は「行く」であるが、その使われ方は「彼は学
校に行く」と同じである。すなわち「（主体）が（場
所）に行く」と他の用言以外の単語を意味において整理
した場合、２つの文の用言は同一の使われ方と見なすこ
とができる。このように用言を中心に他の単語との対応
関係を整理したものが格フレームである。格フレーム
は、機械翻訳や構文解析を行うために必要であり、例え
ば日英翻訳システムであるＡＬＴ−Ｊ／Ｅでは、日本語
について約一万五千の格フレームが体系的に整理されて
いる（池原、宮崎他、日本語語彙大系、岩波書店（199
7）参照）。

【００２６】格フレームにおける用言以外の単語の整理
の仕方は色々考えられ、例えば単語の整理を抽象的に粗
く行ったり、具体的に細かく行ったりする。例えば、前
述の例を「（主体）が（病院）に行く」「（主体）が
（教育機関）に行く」と区別することもできる。また、
整理の仕方には様々な方法があるので、複数の異なる格
フレームの体系が存在する。本実施形態において事象を
表す格フレームとしては、体系的に記述されてあればど
のような格フレームの集合であっても構わない。このよ
うな格フレーム個々を事象とする。

【００２７】複数種の格フレームの集合が存在するとき
に、因果知識グラフにおいて、格フレームに対応する事
象の推移が存在すると判定される時、それらの格フレー
ムのノード同士はアークで結ばれる。例えば、格フレー
ム１に対応する事象が起こったときに、格フレーム２に
対応する事象が起こり得ると判断される場合、この２つ
のフレームの間をアーク１-2で結ぶ。アークは、すべて
の格フレームの組み合わせの間について張られるのでは
なく、推移が考えられる格フレーム間にのみ張られる。
そして、すべてのアークには、推移の情報を収納するラ
ベルが付与される。例えば、アーク１-2にはラベル１-2
が付与される推移の情報は、因果の形態と度合からなる。因果の形態
は、格フレームの表す事象の間の推移を説明・整理する
情報であり、その種類は色々考えられる。その１つは
「因果の向き」で３種類からなる。例えば、ラベル１-2
においては、「１→２」、「２→１」、「１⇔２」が考
えられる。「１→２」はフレーム１の事象が起こったと
きにフレーム２の事象が起こり得ることを表し、反対は
起こり得ないことを示す。また、「１⇔２」では、２つ
のフレームのどちらのフレームの事象からももう一方の
フレームの事象に起こり得ることを表す。また、他の因
果の形態としては「因果の種類」があり、例えば、のような推移の関係を表す。この因果の種類として、構
文解析における複文や重文における文節間の関係を充て
ることもできる。推移の情報のもう１つは因果の度合で
あり、これは値が大きいほどアークで結びつけられたフ
レームの因果同士の推移の起こりやすさが強いことを表
す。

【００２８】次に、図３に示すフローチャートを参照し
て、本実施形態の作用について説明する。図３におい
て、ユーザは、推移の予測を行いたい事象として、因果
知識グラフを構成する格フレームの集合Ｘの中より最も
適切な格フレームｘを選択する（ステップＳ１１）。次
に、その選択された格フレームｘのノードを因果知識グ
ラフより検索し、そのノードにアークが結合しているか
を判定する（ステップＳ１３）。アークが結合していな
い場合、推移する事象は存在しないので、「推移はな
い」という予測結果をユーザに出力する（ステップＳ１
５）。

【００２９】格フレームｘのノードにアークが接続して
いる場合、それらの｛アークｘｙ｝（ｙ∈Ｙ⊂Ｘ）に付
与されている｛ラベルｘｙ｝（ｙ∈Ｙ）を検索し、その
情報を取り出す（ステップＳ１７）。次に各ラベルの情
報に基づいて、格フレームｘから｛格フレームｙ｝（ｙ
∈Ｙ）の推移の度合を計算する（ステップＳ１９）。計
算方法としてはラベルの情報を用いたものであればどの
ようなものであっても構わない。例えば、因果の度合を
そのまま推移の度合とする方法や、因果の向きが格フレ
ームｘからの一方方向のみのラベルが付与されたアーク
への推移を１、双方向のラベルでは０．５、格フレーム
への一方方向のみのラベルでは０とする方法、因果の種
類が原因結果の場合には１、それ以外は０．５とする方
法など様々存在し、また、これらを組み合わせて決定す
ることもできる。

【００３０】最後に、計算された推移の度合に基づい
て、格フレームｘとアークで接続された｛格フレーム
ｙ｝（ｙ∈Ｙ）の中から格フレームｘから推移し得る
｛格フレームｚ｝（ｚ∈Ｚ⊂Ｙ）を選択し（ステップＳ
２１）、予測結果としてユーザに出力する（ステップＳ
２３）。選択方法としては、推移の度合を用いたもので
あればどのようなものであっても構わない。例えば、推
移の度合の最も高い格フレームを選択する方法、推移の
度合の基準値を予め定めておき、基準値以上の推移の度
合の格フレームを選択する方法、推移の度合の高い順に
固定数個分の格フレームを選択する方法など様々考えら
れる。

【００３１】次に、図２に示した因果知識グラフを用い
て、ユーザが事象を表す格フレームとして例えば図２の
格フレーム１「（主体）は（体の一部）が痛む」を入力
した場合に、次に起こる事象を予測する処理について説
明する。

【００３２】まず、格フレーム１を図２に示す因果知識
グラフ上で検索する。この因果知識グラフにおいて、ア
ークに付与されたラベルには、因果の形態として推移の
方向と因果の関係および因果の度合が付与されている。
例えば、ラベル１-3には因果の形態として推移の方向
「１-3」、関係「原因理由」、因果の度合「０．５」が
付与されている。

【００３３】ここで、格フレーム１と接続されたアーク
を選択すると、アーク１-2、アーク１-3、アーク１-5、
アーク１-6が獲得される。これらのアークに付与された
ラベル１-2、ラベル１-3、ラベル１-5、ラベル１-6の情
報に基づいて、格フレーム１から格フレーム２、格フレ
ーム３、格フレーム５、格フレーム６への推移の度合を
計算する。ここで、一例として格フレーム１から格フレ
ームｉへの推移の度合「推移１i 」の計算式を下記に示
す。

【００３４】

【数１】推移１i ＝ｆ1 （ラベル１i の推移の方向） ×ｆ2 （ラベル１i の因果の関係） ×（ラベル１i の因果の度合）（ｉ＝２，３，５，６）ｆ1 は、推移の方向が「１→ｉ」と「１⇔ｉ」の時に
１、「１←ｉ」の時に０となる関数である。また、ｆ2
は、因果の関係が「原因理由」の時に１、それ以外のと
きには０．５の値を与える関数である。この式に基づい
て図４のように計算を行い、推移１-2＝０、推移１-3＝
０．５、推移１-5＝０．４５、推移１-6＝０．１が得ら
れる。なお、この図では向きの種類（→，←，⇔）をそ
れぞれ（順、逆、両）と表記している。

【００３５】このようにして決定された推移の度合に基
づいて、格フレーム１から推移し得る格フレームを事象
として選択する。ここでは、最も推移の度合の高くなる
アークで結ばれた格フレームを選択する。推移の度合は
アーク１-3が最も高く、最も起こりやすい事象として格
フレーム３が選択される。最終的に、この格フレーム３
「（主体）は（病院）へ行く」を推移する事象の予測と
して出力する。

【００３６】ここでは、直接格フレーム１にアークで接
続された格フレームのみから推移の予測を行う例を説明
したが、格フレーム１と２段のアークで接続している格
フレーム４との推移は、推移３-4と推移１-3の積などに
よって表すことができることは明らかである。

【００３７】次に、図５、図６に示すフローチャートを
参照して、本発明の第２の実施形態に係る事象推移予測
方法について説明する。この実施形態は、第１の実施形
態における因果知識グラフを自然言語テキストから自動
的に作成するものである。すなわち、自然言語テキスト
に対して既存の構文解析処理を用いて得られる構文同士
の接続関係や係り受け関係から事象間の因果関係を獲得
することにより因果知識グラフを構築するものである。

【００３８】図５、図６においては、ある自然言語テキ
ストにおいて句点を検出して、複数の文１，文２，…文
ｋに分割する（ステップＳ３１）。そして、すべての文
のそれぞれについて以下の処理を順次行い、因果知識グ
ラフにアークと付与されるラベルの追加等を行うために
各文を特定するパラメータｌを１に設定し（ステップＳ
３３）、各文ｌ（ｌ＝１，２，…，ｋ）について以下の
処理を行う。まず、すべての文ｌについて以下の処理を
終了したか否かをチェックするために、文に付与された
パラメータｌがすべての文の数ｋよりも大きいか否かを
チェックする（ステップＳ３５）。最初は、パラメータ
ｌはｋよりも小さいが、すべての文ｌについて処理を完
了して、ｌがｋよりも大きくなった場合には、処理を終
了する（ステップＳ３７）。

【００３９】文に付与されたパラメータｌがｋ以下の場
合には、まず構文解析により文ｌに格フレームが含まれ
るかを判定する（ステップＳ３９）。この構文解析は、
日英翻訳システムＡＬＴ−Ｊ／Ｅの日本語処理部分のよ
うに、格フレームの集合を保有し、文のどの部分が格フ
レームに対応するかを判断するシステムであれば、どの
ようなものであっても構わない。含まれる格フレームを
「格フレームｌ1 ，…，格フレームｌq 」とする。因果
知識グラフにおいて、事象間の推移を表す情報は、格フ
レーム間のアークとラベルであるために、文ｌが単文で
１つの格フレームのみを含む場合には、事象の推移に関
する情報が含まれない。

【００４０】従って、文ｌが２つ以上の格フレームを含
むか否かをチェック（ステップＳ４１）、１つの格フレ
ームのみの単文である場合には、その文の処理を終了
し、次の文の処理を行う（ステップＳ４３）。文ｌが複
文や重文であり格フレームが２つ以上含まれる場合に
は、格フレームl1，…，格フレームｌq 中のすべての２
つの格フレームの組み合わせ、格フレームｌs と格フレ
ームｌt （ｔ＜ｓ）について、以下の処理を行うために
パラメータｓとｔを設定する（ステップＳ４５〜Ｓ５
３）。

【００４１】文ｌにおける格フレームｌs と格フレーム
ｌt の構文的接続関係を判別し（ステップＳ５５）、関
係がない場合には、ｔをインクリメントするが（ステッ
プＳ５７）、関係がある場合には、アークと因果の形態
（「因果の形態ｌs ｌt 」と呼ぶ）を抽出する（ステッ
プＳ５９）。これは文ｌの構文解析を行い、２つの格フ
レームを繋ぐ接続詞などの情報より、因果の形態を獲得
する。例えば、図７のような因果の形態データベースを
予め構築しておき、解析する文で格フレームｌs と格フ
レームｌt が「だから」という接続詞で結びつけられて
いることを判定した場合、因果の形態データベースを参
照し、因果の向き「ｌs →ｌt 」、因果の種類「原因理
由」を２つの格フレーム間の因果の形態として取得す
る。

【００４２】次に、文ｌ中での格フレームｌs と格フレ
ームｌt の中の用言を修飾する副詞等を判定し、その副
詞に基づいて、２つの格フレーム間の因果の度合を決定
する（ステップＳ６１）。２つの格フレーム間の因果の
度合とは、値が大きいほどアークで結びつけられた格フ
レームの因果同士の推移の起こりやすさが強いことを表
す数値である。この度合を決定するためには、程度や量
と関わり得ると判断されるような副詞に関して、副詞が
原因となる格フレームもしくは結果となる格フレームの
用言を修飾する場合それぞれに応じた因果の度合の対応
データベースを予め作成しておく。その一例を図８に挙
げる。原因が強調されている場合は因果は弱いと考えら
れ、逆に結果が強調されていれば、因果は強いと考える
ことができる。例えば、結果となる事象の格フレーム中
の用言が「とても」で修飾されている場合、因果の度合
として７を付与する。このような副詞が存在しない場合
には、度合は初期値（例えば１）を与える。また、副詞
が複数存在する場合には、対応する度合を加算したも
の、または積算したもの等、統合した値を因果の度合と
することは明らかである。

【００４３】次に、因果知識グラフ中で、格フレームｌ
s と格フレームｌt の間にアークが張られているかを判
定する（ステップＳ６３）。もし張られていない場合に
は、アークｌs ｌt を因果グラフに新設し（ステップＳ
６５）、上記手続きによって獲得された因果の形態と因
果の度合を含むラベルｌs ｌt をアークｌs ｌt に付与
する（ステップＳ６７）。また、既にアークｌs ｌt が
存在する時には、ラベルｌs ｌt も既に存在するので、
そこに因果の形態と因果の度合を追加する（ステップＳ
６９）。因果の形態は、既に存在する因果の形態と同じ
であればそのまま、別であれば追記する。また、因果の
度合は、加算もしくは積算等の統合を行う。

【００４４】文ｌについて、そこに含まれるすべての２
つの格フレームの組み合わせにおいて、上記のような因
果知識グラフへのアークとラベルの新設・追加を行う。
そして、この処理を自然言語テキスト中のすべての文に
ついて行い、処理が終った段階で終了となる。

【００４５】第２の実施形態について、具体例で説明す
る。自然言語テキスト「私はお腹が痛いので、すぐに大
学病院に行った」を入力とする。この場合、文は１つな
ので、この文についてのみ処理を行う。まず、構文解析
によって、文には２つの格フレーム「（主体）は（体の
一部）が痛む」（格フレームｉ）と「（主体）は（病
院）に行く」（格フレームｊ）が存在すると判定され
る。次に、図７の因果の形態データベースを参照し、２
つの格フレームが「ので」で接続されていることを判断
し、因果の向きは、「ｉ→ｊ」であり、その関係は「原
因理由」であることを判定する。

【００４６】次に、格フレームｊ「（主体）は（病院）
に行く」の用言「行く」が副詞「すぐに」で修飾されて
いることを判断し、図８の因果の度合データベースを参
照し、「すぐに」に対応する因果の度合５を取り出す。
それから、因果知識グラフ中に格フレームｉと格フレー
ムｊの間にアークが張られているかを調べる。アークが
張られていない場合には、アークｉｊを新設し、そのア
ークに、因果の形態として因果の向き「ｉ→ｊ」、因果
の関係「原因理由」、因果の度合５を情報とするラベル
ｉｊを付与する。

【００４７】第３の実施形態は、第１の実施形態の入力
としての格フレームを自然言語テキスト文とし、それを
格フレームに変換すること以外は、第１の実施形態と同
一である。自然言語テキスト文を格フレームに変換する
ことは、格フレームの集合を保有する構文解析であれば
どのようなものであっても構わない。

【００４８】第３の実施形態を具体的に説明する。ユー
ザが「私は、頭が痛む」という文を事象として入力し、
推移する事象の予測を行う場合を述べる。まず、上記文
を構文解析し、図３における格フレーム１「（主体）は
（体の一部）が痛む」が選択される。その後の処理は、
具体例と同一に行われ、図３における格フレーム３
「（主体）は（病院）へ行く」が予測され得る事象とし
て出力される。

【００４９】このように第３の実施形態では、ユーザが
より自然な形、すなわち自然文による事象の入力を可能
にしている。ユーザが推移の原因となり得る事象を自然
言語文で入力すると、この文を構成する格フレームが判
定され、入力された事象と適合する格フレームに変換さ
れる。この格フレームの集合から格フレームに対して常
識的に起こり得る格フレームが選択される。

【００５０】

【発明の効果】以上説明したように、本発明によれば、
格フレームからなるノードと、因果関係を有するノード
同士を繋ぐアークと、該アークで繋がれたノード間の因
果関係の形態と度合を表すラベルとから因果知識グラフ
を構築し、指定された格フレームに対するノードを因果
知識グラフから検索し、この検索したノードとアークを
介して接続される各ノードを列挙し、この列挙したノー
ドの各々と前記検索したノードとをそれぞれ接続する各
アークのラベルに基づいて前記指定されたノードに対し
て常識的に次に起こり得るノードを出力するので、事象
および因果が定式化した因果知識グラフおよび因果知識
ベースを構築でき、人が行うような常識的な事象の推移
予測を適確に行うことができる。

【００５１】また、本発明によれば、自然言語テキスト
を文に分割し、この文の各々を構成する複数の格フレー
ムを判定し、この複数の格フレーム間の構文的な接続関
係に基づいて複数の格フレームに対応する因果知識グラ
フ中のノード間のアークと因果関係の形態を獲得し、同
一因果関係が複数得られた場合の出現頻度および該文中
の用言を修飾する修飾辞から該ノード間の因果関係の度
合を獲得することにより自然言語テキストから因果知識
グラフを構築することができるので、従来のように人手
による入力を必要とすることなく、自然言語テキストか
ら事象および因果を抽出して、因果知識ベースを自動的
に獲得でき、様々な分野に存在する自然言語テキストか
らそれぞれの分野に応じた常識的な因果知識を獲得でき
る。例えば、学校教育で使用される教科書を知識源とす
れば、その学年に応じた因果知識ベースの構築および事
象の推移予測を行うことができる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態に係る事象推移予測方
法に使用される因果知識グラフを部分的に示す図であ
る。

【図２】図１に示す因果知識グラフを更に具体的に示す
図である。

【図３】図１、図２に示す実施形態の作用を示すフロー
チャートである。

【図４】格フレーム間の推移の度合の計算例を示す図で
ある。

【図５】本発明の第２の実施形態に係る事象推移予測方
法の作用の一部を示すフローチャートである。

【図６】本発明の第２の実施形態に係る事象推移予測方
法の作用の残りの部分を示すフローチャートである。

【図７】図５、図６の実施形態に使用される因果の形態
データベース例を示す図である。

【図８】図５、図６の実施形態に使用される因果の度合
データベース例を示す図である。

【符号の説明】

１，２，３，ｎ格フレーム１-2，１-3，１-n，２-3 アーク、ラベル

Claims

【特許請求の範囲】

【請求項１】用言を中心に他の単語との対応関係を整
理した格フレームを事象の集合と見なし、該格フレーム
集合中の任意の指定された格フレームに対して常識的に
次に起こり得る格フレームを予測する事象推移予測方法
であって、前記格フレームからなるノードと、因果関係
を有するノード同士を繋ぐアークと、該アークで繋がれ
たノード間の因果関係の形態と度合を表すラベルとから
因果知識グラフを構築し、指定された格フレームに対す
るノードを前記因果知識グラフから検索し、この検索し
たノードとアークを介して接続される各ノードを列挙
し、この列挙したノードの各々と前記検索したノードと
をそれぞれ接続する各アークのラベルに基づいて前記指
定されたノードに対して常識的に次に起こり得るノード
を出力することを特徴とする事象推移予測方法。
【請求項２】前記因果知識グラフを自然言語テキスト
から構築するために、該自然言語テキストを文に分割
し、この分割された文の各々を構成する複数の格フレー
ムを判定し、この判定された複数の格フレーム間の構文
的な接続関係を判定し、この接続関係に基づいて該複数
の格フレームに対応する因果知識グラフ中のノード間の
アークと因果関係の形態を獲得し、同一因果関係が複数
得られた場合の出現頻度および該文中の用言を修飾する
修飾辞から該ノード間の因果関係の度合を獲得すること
を特徴とする請求項１記載の事象推移予測方法。
【請求項３】任意の自然言語文を事象とし、該自然言
語文を適合する格フレームに変換し、この格フレームに
対するノードを前記因果知識グラフから検索し、この検
索したノードとアークを介して接続されるノードの各々
と前記検索したノードとをそれぞれ接続する各アークの
ラベルに基づいて前記格フレームに対して常識的に次に
起こり得る格フレームを検出することを特徴とする請求
項１記載の事象推移予測方法。
【請求項４】用言を中心に他の単語との対応関係を整
理した格フレームを事象の集合と見なし、該格フレーム
集合中の任意の指定された格フレームに対して常識的に
次に起こり得る格フレームを予測する事象推移予測プロ
グラムを記録した記録媒体であって、前記格フレームか
らなるノードと、因果関係を有するノード同士を繋ぐア
ークと、該アークで繋がれたノード間の因果関係の形態
と度合を表すラベルとからなる因果知識グラフを構築
し、指定された格フレームに対するノードを前記因果知
識グラフから検索し、この検索したノードとアークを介
して接続される各ノードを列挙し、この列挙したノード
の各々と前記検索したノードとをそれぞれ接続する各ア
ークのラベルに基づいて前記指定されたノードに対して
常識的に次に起こり得るノードを出力することを特徴と
する事象推移予測プログラムを記録した記録媒体。
【請求項５】前記因果知識グラフを自然言語テキスト
から構築するために、該自然言語テキストを文に分割
し、この分割された文の各々を構成する複数の格フレー
ムを判定し、この判定された複数の格フレーム間の構文
的な接続関係を判定し、この接続関係に基づいて該複数
の格フレームに対応する因果知識グラフ中のノード間の
アークと因果関係の形態を獲得し、同一因果関係が複数
得られた場合の出現頻度および該文中の用言を修飾する
修飾辞から該ノード間の因果関係の度合を獲得すること
を特徴とする請求項４記載の事象推移予測プログラムを
記録した記録媒体。